HCLSoftware 收购 Robotiq.ai：Agentic AI 为什么仍离不开 RPA

2026 年 9 月 28 日，HCLSoftware（HCLTech 的软件业务部门）宣布拟收购 Robotiq.ai，后者是一家总部位于克罗地亚萨格勒布的企业级机器人流程自动化（RPA）平台厂商。按 HCLTech 提交的监管披露，交易企业价值为 900 万欧元，以 100% 现金支付，预计在 2026 年 11 月底前完成。这件事的重点不是价格，而是一个以「Agent 编排」为主张的厂商，选择买入任务级执行能力——因为企业里仍有大量工作，存在于根本不提供可用 API 的应用里。

一、交易本身：披露了什么

先把交易本身说清楚。HCLSoftware 于 2026 年 9 月 28 日发布公告。标的 Robotiq.ai 的法定名称是 Robotic Process Automation d.o.o.，2018 年 8 月 21 日在克罗地亚注册成立。据 HCLTech 的披露文件，其营收为 2023 年 90 万欧元、2024 年 90 万欧元、2025 年 140 万欧元；截至 2025 年 12 月 31 日财年，税后利润 20 万欧元，净资产 80 万欧元。企业价值 900 万欧元、全现金对价，100% 股权由 HCL Technologies Austria GmbH（HCLTech 的间接全资子公司）收购。HCLSoftware 表示，本次收购将把 RPA 能力并入 HCL UnO Agentic——其 AI 驱动的企业编排平台。

# The routing decision you now have to make explicitly: price the API path
# first, and only fall back to the interface (RPA) path when there is none.
# HCL's own framing is that RPA covers "applications where APIs are
# unavailable or insufficient" -- that clause is the whole justification.

from dataclasses import dataclass

@dataclass
class Target:
    name: str
    has_api: bool
    api_scope_ok: bool
    ui_stable: bool

def execution_tier(t: Target) -> str:
    if t.has_api and t.api_scope_ok:
        return "api"          # cheapest, fastest, easiest to test
    if not t.ui_stable:
        return "manual"       # do not automate a moving target
    return "rpa"              # interface-level fallback, governed + logged

print(execution_tier(Target("core-banking", False, False, True)))   # rpa
print(execution_tier(Target("payments", True, True, True)))         # api

RPA 的价值是触达，不是智能

二、核心论点：Agent 负责推理，RPA 负责执行

公告里的表述异常直接。HCLSoftware 说，企业正从 AI 试验走向「安全、受治理、可靠」的生产级自动化；Robotiq.ai 带来 RPA，使 AI 驱动的工作流能够在「API 不可用或不充分」的应用中完成任务。这句话就是全部论证。一个能调用工具的 Agent，能力边界恰好等于别人已经封装成工具的那些系统。银行的核心系统、三十年前的保险门户、电信的开通控制台、供应商只提供网页的管理后台——它们都不会附赠一个 MCP server。RPA 的触达方式与人相同：走界面。

# A Robotiq-style "digital teammate" is really a task contract. Keep the
# contract small and declarative so a human can review it before it runs.
# HCLTech notes the platform is used in banks, insurers and telcos, where
# an unexplained automation step is a compliance problem, not a bug.

task:
  id: close-month-end-reconciliation
  system: legacy-insurance-portal      # no supported API
  steps:
    - action: open_report
      selector: "#menu > .reports > a[data-key='recon']"
    - action: export_csv
      selector: "button[aria-label='Export']"
    - action: upload
      target: "s3://fin-ops/recon/inbound/"
  guards:
    destructive: false
    max_runtime_minutes: 30
  on_failure: screenshot_and_stop

三、真正的堵点是「没有 API 的系统」

Model Context Protocol 让给 Agent 配工具变简单了，但前提是系统愿意暴露一个工具。企业软件的「长尾」恰恰是不愿意的那部分。这也是为什么 Agent 讨论总在试点阶段卡住：演示跑在现代 SaaS 的 API 上，而生产任务牵涉五个桌面应用，加一张只在 Windows 上能打开的表格。RPA 的贡献不是智能，是触达。Robotiq.ai 把它的软件机器人称作「数字队友」，可被构建、部署、运营与监控，具备 ISO 认证的安全、审计日志与灵活部署选项；HCLTech 也指出该平台被大型银行、保险集团与电信运营商使用。示例 1 展示的正是你现在必须显式做出的路由决策：先走 API，不行再回落界面。

# Every robot action should leave a record a compliance team can read.
# "ISO-certified security and audit logs" is a vendor claim; the schema
# below is what you actually have to be able to produce on request.

def audit_event(actor, task_id, system, action, decision, result, ts):
    return {
        "ts": ts,                    # UTC, RFC3339
        "actor": actor,              # "rpa:month-end-recon" (not a human)
        "task_id": task_id,          # the reviewed contract that approved it
        "system": system,            # which application was touched
        "action": action,            # open_report / export_csv / upload
        "decision": decision,        # allow | ask | deny
        "result": result,            # ok | failed | timed_out
        "evidence": "run-2026-09-29/recon.mp4",  # screen capture
    }

从「决策」延伸到「执行」

四、价格与它暗示的事

把披露的数字算一遍，估值倍数才是故事。900 万欧元对 140 万欧元营收，约为 6.4 倍市销率；对 80 万欧元净资产约 11 倍；对 20 万欧元税后利润约 45 倍。没有人会为一个营收持平的服务型公司付这个价。他们付的是能力：在没有 API 的系统内部执行的能力。对开发者而言，有意义的解读是：执行层已经成为 Agent 栈里一项被付费、被战略化的组件，而不是事后用爬屏脚本补上的东西。

# Destructive interface actions are where agentic autonomy gets expensive.
# Gate them behind an explicit human approval, and record who approved.
# The point is not to slow the workflow down -- it is to make the one
# irreversible class of action impossible to trigger unattended.

DESTRUCTIVE = {"delete_record", "send_payment", "approve_claim", "upload"}

def gate(action, approver=None, policy=None):
    if action not in DESTRUCTIVE:
        return {"decision": "allow"}
    if approver is None:
        return {"decision": "ask", "reason": "destructive interface action"}
    if policy and approver not in policy.allowed_approvers:
        return {"decision": "deny", "reason": "approver not authorised"}
    return {"decision": "allow", "approved_by": approver}

五、RPA 应该放在 Agent 栈的哪一层

把 RPA 当作回落层，而不是首选。API 或 MCP 工具更快、更便宜、更可测、更好治理；UI 机器人恰好相反：对界面改版脆弱、单次运行昂贵、难以做确定性测试。所以用一套明确的决策顺序。示例 1 按可用性路由；示例 3 定义每一次机器人动作都应产出的审计记录，因为受治理的流程要能回答「谁、在哪个系统、做了什么、结果如何」；示例 4 把破坏性动作挡在人工审批之后；示例 5 对比一次 Agent 调用与一次机器人运行的成本，让你看清 RPA 买到的到底是触达，还是只是账单。

# Cost sanity check: a robot run and an agent turn are priced very
# differently. Use this to see when RPA is buying reach (worth it) versus
# when it is just buying spend (write the API instead).

AGENT_TURN_USD = 0.012      # one model call + a couple of tool calls
ROBOT_RUN_USD  = 0.35       # hourly RPA licence + VM, per run
API_CALL_USD   = 0.0004

def monthly(tasks_per_day, tier, days=22):
    per = {"api": API_CALL_USD, "rpa": ROBOT_RUN_USD, "manual": 4.00}[tier]
    return round(tasks_per_day * days * per, 2)

print(monthly(500, "api"))     # 4.4
print(monthly(500, "rpa"))     # 3850.0  -> build the API if volume is real
print(monthly(20,  "rpa"))     # 154.0   -> fine for a long-tail exception

受治理的流程要能回答「谁做了什么」

六、这件事的信号

有两点值得带走。第一，控制平面的话题有一个物理地板：编排的价值上限等于它实际能执行的动作，这解释了钱为什么流向执行层。第二，「RPA 与 Agent」之争本就是个伪命题。真正能扛住生产环境考验的栈，长得像「API 优先，下面垫一层受治理的界面执行层」，并在两者之上共享同一条审计链。如果你的路线图里有必须触碰「无 API 系统」的 Agent，那么问题不是要不要加一个执行层，而是由谁来治理它。现在就白纸黑字定下来，因为界面层恰恰是自动化悄悄拿到权限、而没人记得曾批准过的地方。第一步：按 Agent 列出哪些动作走 API、哪些走界面，然后给第二张表里所有破坏性动作加审批要求。做一遍这个练习，你就会知道你到底需要 RPA，还是只需要更好的 API。